基于幅度與徑向速度聯合的sar圖像動目標聚類方法
【專利摘要】本發明公開了一種基于目標幅度與徑向速度聯合的SAR圖像動目標聚類方法。其技術方案是：1.對自適應雜波抑制后的SAR圖像數據進行單元恒虛警率檢測；2.估計SAR圖像數據中過單元恒虛警率檢測門限的所有像素點徑向速度，將每個像素點在SAR圖像上的坐標位置信息和該像素點的徑向速度估計信息共同張成一組特征向量；3.對各個像素點張成的特征矢量運用均值偏移算法實現目標徑向速度一致性檢測，根據檢測結果對像素點進行模態合并與類間合并；4.分類輸出聚類后的目標像素群。本發明降低了在低擦地角情況下，地面擴展運動目標周圍的噪點，提高了目標聚類精度，可用于在遠程監視模式下對地面擴展運動目標的識別與檢測。
【專利說明】
基于幅度與徑向速度聯合的SAR圖像動目標聚類方法
技術領域
[0001] 本發明屬于運動平臺雷達技術領域，特別涉及一種合成孔徑雷達SAR圖像動目標 聚類方法，可用于在遠程監視模式下對地面擴展運動目標的識別與檢測。
【背景技術】
[0002] 在機載雷達遠程監視模式下，隨著SAR分辨率的提高，目標呈現明顯擴展特性，精 確獲取目標的尺寸信息有助于目標的識別與檢測。目標的尺寸信息需要通過聚類或分割來 獲取，目前，合成孔徑雷達地面運動目標檢測SAR-GMTI方法中的很多目標聚類方法是對多 通道SAR圖像數據進行幅度門限、相位門限或幅相聯合門限檢測后得出的二維散點圖，運用 聚類領域常用的k均值聚類、模糊C均值聚類等算法進行圖像意義上散點聚類，這樣處理容 易將目標周圍的諸多噪點與真實目標聚為一類，很大程度上影響目標的真實尺寸。
[0003] Dr.P.K.Sanyal等人在文獻《Using Shaped Phase-thresholds for Detecting Moving Targets in Multiple-Channel SAR》（IEEE，2008)中首先選取尺寸較小的固定矩 形窗，對SAR圖像中過幅度門限與相位門限的潛在目標像素點進行滑窗處理，計算進入窗內 的潛在目標像素點的中心位置，當窗內像素點的中心與滑動窗的中心重合時停止窗的滑 動，重復該過程直到全部過門限像素點均聚好類，移除類中為單點或者較小像素群的類，然 后選取尺寸較大的固定矩形窗，將剩余類按上述過程重新聚類，完成類間合并且重新計算 潛在目標的中心。該方法利用了擴展目標像素點位置相鄰的先驗信息，使得目標聚類相比 傳統的圖像聚類更為準確，但是仍然會將真實目標周圍的雜波點或噪點與目標聚為一類， 影響目標真實尺寸信息。
[0004] Liu Baochang等人在文獻《An Improvement in Multichannel SAR-GMTI Detection in Heterogeneous Environments))(IEEE Transaction on Geoscience and Rmote Sensing，2015,53(2))中提到的目標聚類方法是從雜波抑制后的SAR圖像中選取幅 度最大點作為聚類中心，選取與目標經驗尺寸相當的固定矩形窗作為聚類窗對SAR圖像數 據進行平滑，將落入該聚類窗內的像素點聚為一類，移除已聚好類的像素點，在余下的像素 點中繼續選擇幅度最大點作為聚類中心，重復上述過程直至所有像素點都已聚類完全。該 方法將目標的經驗尺寸信息作為先驗信息，僅僅是簡單運用目標的位置信息與目標的部分 幅度信息進行聚類，導致目標聚類精度不高。
[0005] 對于遠程SAR監視模式下的地面擴展運動目標聚類，目前缺乏較好的聚類方法。

【發明內容】

[0006] 本發明的目的在于提出一種基于幅度與徑向速度聯合的SAR圖像動目標聚類方 法，以降低在低擦地角情況下，地面擴展運動目標周圍的噪點，進而提高目標聚類精度。
[0007] 實現本發明的主要思路是:首先，對自適應雜波抑制后的SAR圖像數據進行單元恒 虛警率CA-CFAR檢測，然后，估計SAR圖像數據中過單元恒虛警率CA-CFAR檢測門限的所有像 素點徑向速度，將每個像素點在SAR圖像上的坐標位置信息和該像素點的徑向速度估計信 息共同張成一組特征向量，接著，對各個像素點張成的特征矢量運用均值偏移meanshift算 法實現目標徑向速度一致性檢測，根據檢測結果對像素點進行模態合并與類間合并，最后， 分類輸出聚類后的目標像素群。
[0008] 為實現上述目的，本發明的技術方案包括以下步驟：
[0009] (1)利用SAR圖像數據中每個像素點的幅度信息，對自適應雜波抑制后的SAR圖像 數據進行幅度恒虛警率CFAR檢測，并將過檢測門限的像素點用1表示，不過檢測門限的像素 點用0表示，得到一幅與SAR圖像各個像素點位置一一對應的0、1二值圖像；
[001 0] (2)估計SAR圖像中過CFAR檢測門限的像素點徑向速度，并對過CFAR檢測門限的像 素點徑向速度進行取指數變換，得到新速度矢量(vri，vmi);
[0011] (3)根據SAR圖像分辨率，計算過CFAR檢測門限的像素點在步驟（1)中二值圖像上 的位置信息( Xl，yi)，并用新速度矢量(vr^vnu)和該位置信息(Xl，yi)共同張成一組特征矢 量Vi = (xi，yi，vri，vmi )T，每個過CFAR檢測門限的像素點分別對應一個特征矢量，其中i = 1， 2，3…N，N表示過CFAR檢測門限的像素點個數，（)T表示向量轉置；
[0012] (4)對N個特征矢量進行篩選，并構造特征矢量收斂值；
[0013] (4a)根據目標經驗尺寸，在N個特征矢量V:中篩選出滿足目標要求的K個特征矢 量，K彡N;
[0014] (4b)對K個特征矢量運用均值漂移meanshift算法進行目標徑向速度一致性檢測， 得到K個特征矢量收斂值，K個特征矢量收斂值各自與K個像素點對應；
[0015] (5)對K個像素點實現模態合并與類間合并；
[0016] (5a)對K個像素點求干涉相位均方誤差〇_;〈，并對 < 取指數變為：
[0017] exp (/〇,:)〇 Ja:
[0018] 其中，exp (*)表示指數運算，cr二表示_exp (的實部，a:表示exp 的虛部，j 表示復數虛部標示符，有j2 = _l成立；
[0019 ](5b)根據 <，cr:定義 cr:K 為：
[0020]
[0021] a；n =c2-a：；
[0022] 其中，Cl，C2表示兩個可調系數，有Cl > 0，C2 > 0，<J,K分別表示高斯核函數的徑 向速度信息實部帶寬和徑向速度信息虛部帶寬；
[0023] (5c)定義高斯核函數在方位向、距離向的帶寬分別為，根據先驗信息估計待 檢測目標的尺寸并求取待檢測目標在SAR圖像中所占據的像素個數，將 2分別設置為 待檢測目標在方位向、距離向所占據的像素個數；
[0024] (5(1)把? 作為模態合并門限，在K個像素點中，對任意兩個像素點的特 征矢量收斂值進行相似性判斷，并將過模態合并門限的兩個像素點合并為一類，得到H個像 素類，記作Ci，C2'"Ch;
[0025] (5e)對H個像素類進行類間合并，得到合并后的Q個目標像素群并分別輸出，即得 到各個潛在目標，其中QSH。
[0026] 本發明與現有技術相比，具有以下優點：
[0027] 第一，本發明相比于傳統僅依靠像素點的幅度與位置信息進行目標聚類的算法， 將幅度、位置與擴展目標徑向速度信息聯合應用，提高了擴展目標的聚類精度，有效的消減 了將擴展目標周圍的噪點歸為目標所在像素群的問題。
[0028] 第二、本發明利用了擴展運動目標徑向速度一致性信息，有效將幅度較高但無徑 向速度的雜波像素群與目標像素群區分開，進一步降低了目標檢測虛警。
[0029] 第三、本發明利用了擴展運動目標徑向速度一致性信息，可將徑向速度不同的密 集目標區分開；另外，對于由于目標能量不均所導致過CFAR檢測門限后目標像素群斷裂的 情況，運用本發明方法可以將斷裂的目標像素點重新聚為一類，提高目標的聚類精度。
【附圖說明】
[0030] 下面結合附圖和【具體實施方式】對本發明做進一步詳細說明。
[0031] 圖1是本發明的實現流程圖；
[0032] 圖2是SAR圖像數據經過雜波抑制后的單元平均恒虛警率CA-CFAR檢測結果；
[0033] 圖3是用傳統的kmeans算法聚類后，對4個仿真目標的輸出結果；
[0034] 圖4是用本發明的方法聚類后，對4個仿真目標的輸出結果。
【具體實施方式】
[0035] 本發明是一種基于幅度與徑向速度聯合的SAR圖像動目標聚類方法，動目標聚類 是動目標識別與檢測的一個重要部分，動目標聚類只關心單元平均恒虛警率CA-CFAR檢測 后屬于動目標的像素點信息，但是在SAR圖像經過單元平均恒虛警率CA-CFAR檢測后的散點 圖中，不僅包括目標像素群，還包括強雜波像素群以及擴展運動目標周圍的噪點;在低擦地 角的情況下，僅僅是簡單運用目標的位置信息與目標的部分幅度信息對散點圖進行聚類， 不僅難以有效地將目標像素群與雜波像素群區分開，而且會將擴展運動目標周圍的噪點歸 為目標像素群，另外，對于能量不均勻的目標像素群會出現斷裂現象，導致目標聚類精度不 高。本發明針對上述問題，運用目標幅度與徑向速度信息對SAR圖像經過單元平均恒虛警率 CA-CFAR檢測后的散點圖進行聚類，不僅可以將目標像素群與噪點、雜波像素群區分開，而 且可以將斷裂的目標像素群重新聚為一類，有效提高聚類精度。
[0036] 參照圖1，對本發明的實施步驟如下：
[0037] 步驟1，對自適應雜波抑制后的SAR圖像數據進行恒虛警率CFAR檢測，得到一幅二 值圖像。
[0038] 本實例對SAR圖像數據進行像素配準與通道均衡后得到的3個通道成像數據&，&， S3為例，對3個通道成像數據利用自適應相位中心偏置天線技術ADPCA進行雜波抑制，得到 一幅雜波抑制后的SAR圖像，記作S sup;對雜波抑制后的SAR圖像Ssup利用單元平均恒虛警率 CA-CFAR進行幅度檢測，將過單元平均恒虛警率CA-CFAR檢測門限的像素點標記為1，未過單 元平均恒虛警率CA-CFAR檢測門限的像素點標記為0,進而得到一幅與SAR圖像像素點一一 對應的〇、1二值圖像S bina。
[0039] 步驟2，估計過單元平均恒虛警率CA-CFAR檢測門限的各個像素點的徑向速度并計 算各個像素點在SAR圖像上的位置信息，由徑向速度和該像素點的位置信息構成特征矢量。
[0040] (2a)利用自適應匹配濾波AMF方法估計步驟1中的SAR圖像數據過單元平均恒虛警 率CA-CFAR檢測門限的像素點徑向速度，以步驟1中SAR圖像數據過單元平均恒虛警率CA-CFAR檢測門限的第i個像素點為例，求第i個像素點的徑向速度v 1:
[0042] 其中，w = i?；>s(v,.)表示線性約束最小均方誤差準則下的最優權矢量，Vr表示進行 搜索的徑向速度，a s(vr)表示由陣列結構和待搜索徑向速度vr確定的空域導向矢量，（*"表 示矩陣求逆，1^表示雜波加噪聲協方差矩陣，v rmax表示雷達工作的最大不模糊速度，vrmax = 入? PRF/2，PRF表示雷達的脈沖重復頻率，A表示雷達工作波長，Xs>1表示過單元平均恒虛警 率CA-CFAR檢測門限的第i個像素點對應的多通道數據， H表示矩陣共輒轉置，
表示滿足條彳彳
的徑向速度v：r，i = l，2，-,4表示過單元平均恒 虛警率CA-CFAR檢測門限的像素數。
[0043] (2b)將步驟(2a)中得到的過單元平均恒虛警率CA-CFAR檢測門限的第i個像素點 徑向速度Vi經過下式進行取指數變換，得到新速度矢量(vri，vmi):
[0045] 其中，vri，Vnu分別表示對徑向速度^取指數變換后的實部和虛部，A表示雷達工作 波長，j表示復數虛部標志符，有j 2 = _l成立，V表示雷達平臺的運動速度，d表示相鄰通道間 基線的長度，exp (*)表示指數運算，i = l, 2，^_N，N表示過單元平均恒虛警率CA-CFAR檢測門 限的像素數；
[0046] (2c)建立與步驟1中SAR圖像數據一一對應的場景暫態參考坐標系，即以方位向為 x軸，以距離向為y軸，以載機在地表的投影點為坐標原點，根據雷達參數確定SAR圖像的方 位向、距離向分辨單元，按照分辨單元求出過單元平均恒虛警率CA-CFAR檢測門限的像素點 坐標位置(Xi，yi)，由（Xi，yi)和步驟(2b)求出的新速度矢量為(vri,vnu)共同形成特征矢量 Vi = (xi，yi，vri，vmi)，i = 1，2，…N，N表示驟1中SAR圖像數據過單元平均恒虛警率CA-CFAR檢 測門限的像素點數目，i表示這N個像素點中的第i個像素點。
[0047] 步驟3，根據目標的經驗尺寸，對過單元平均恒虛警率CA-CFAR檢測門限的像素點 進行篩選。
[0048] (3a)對N個像素點的特征矢量Vi = (Xi，yi，vri，vmi)T, i = 1，2，???N進行歸一化處理， 得到歸一化特征矢量弋=(>, .i\, ^)，/ = 1.2，一，~，其中，尤,3^?>?,分別表示特 征矢量1=^#，￥；1^，￥11〇1'中各個元素進行歸一化后的值』表示過單元平均恒虛警率〇八-CFAR檢測門限的像素點數，i表示N個像素點中的第i個像素點；
[0049] (3b)根據待檢測目標的先驗信息，確定待檢測目標在SAR圖像中所占據的像素點 個數，給出待檢測目標的尺寸范圍：
[0050] 方位向所占像素范圍為:[爾x(0,為-擬>，(乓+隊1)]，
[0051 ] 距離向所占像素范圍為:[邊_(()，兌-7) miri(兌+7，1)]，
[0052] 其中，為表示步驟1中的SAR圖像數據過單元平均恒虛警率CA-CFAR檢測門限的第i 個像素點方位向歸一化坐標，I,表示步驟1中的SAR圖像數據過單元平均恒虛警率CA-CFAR 檢測門限的第i個像素點距離向歸一化坐標，ax表示待檢測目標在SAR圖像中方位向所占據 像素點的歸一化后尺寸，ry表示待檢測目標在SAR圖像中距離向所占據像素點的歸一化后 尺寸；
[0053] (3c)在步驟(3a)得到的N個歸一化特征矢量兌=(冬芡，％細,）d =丨二…，況 I A:. g [max((),.v. -av) min( V. -i-arj)] 中，選出滿足步驟(3b)中條件.： n .； . i的歸一化特征矢量，并找 | v, g [max(0, - ry) mm( r, + /:v，1) | 出滿足條件的歸一化特征矢量在SAR圖像數據中對應的像素點，得到K個滿足條件的歸一化 特征矢量$B以及K個歸一化特征矢量在SAR圖像數據中對應的K個像素點，n = 1，2…，K。
[0054] 步驟4,計算K個歸一化特征矢量的均值漂移矢量…人'
[0055] (4a)定義高斯核函數的方位向帶寬為erf ?定義高斯核函數的距離向帶寬為.c^2， 分別設置為待檢測目標在SAR圖像中方位向占據的像素數、距離向占據的像素數；
[0056] (4b)定義高斯核函數的徑向速度信息實部帶寬為ex,^定義高斯核函數的徑向速度 信息虛部帶寬為€"，i的值根據像素點的干涉相位誤差而變化，其照如下步驟設定： [0057] (4bl)在SAR圖像數據中，過單元平均恒虛警率CA-CFAR檢測門限的像素點的干涉 相位誤差0^為：
[0059] 其中，物表示目標的真實干涉相位，f表示目標受擾動后的干涉相位，即實際干涉 相位，Y表示SAR圖像數據中過單元平均恒虛警率CA-CFAR檢測門限的像素點對應的兩通道 SAR圖像復相干系數，E表示求期望，| y |表示對y求模值，Li表示對數積分函數；
[0060] (4b2)對干涉相位誤差<7〗:按照下式取指數變換：
[0061 ] exp (,/o-j )-a；；+./a;："
[0062] 其中，e x p表示以e為底的指數，< 表示exp 的實部，〇:表示.exp (/〇$)的虛 部，j表示復數虛部標示符，有j2 = _l成立；
[0063] (4b3)把徑向速度信息實部帶寬<4、徑向速度信息虛部帶寬 < 分別設置為：
[0064] ale =cr〇-^；
[0065] 〇ln=c2-cj%
[0066] 其中，(31，(32分別表示兩個可調系數，且(： 1>0，(32>0，<：；，<：分別表示步驟(仙2) 中的實部和虛部；
[0067] (4c)在傳統計算均值漂移矢量
中， 用高斯核函數代替(勺-匕)，并取= 1，將均值漂移矢量公式變 為：
[0069] 其中，巧〇fe, 〇t.]，diag表示對角陣，crj:，4，<分別 為高斯核函數的方位向帶寬、距離向坐帶寬、徑向速度信息實部帶寬和徑向速度信息虛部 的帶寬，％表示在這K個滿足目標經驗尺寸條件的像素點中，第j個像素點的歸一化特征矢 量，1表示第11個滿足條件的歸一化特征矢量，」=1，2,3，一1(，11=1，2,3-1(，_]_乒11，1(表示步 驟3中篩選出來滿足目標經驗尺寸條件的像素點總數，|H g|表示求矩陣Hg的行列式，| | | |2 表示2范數運算；
[0070] 利用變形后的均值漂移矢量公式，計算出K個歸一化特征矢量的均值漂移矢量 %;(K = 。
[0071] 步驟5,對步驟4得到的K個歸一化特征矢量的均值漂移矢量叫:,^,；).〃 = 1.2,3^-瓦 運用meanshift算法實現目標徑向速度一致性檢測，得到K個特征矢量收斂值。
[0072] (5a)給定收斂閾值Thresh，對第i個像素點的歸一化特征矢量戈進行Meanshift迭 代運算：
[0073] (5al)根據步驟4計算歸一化特征矢量戈對應的均值漂移矢量(弋)；
[0074] (5a2)如果卜" (弋)-弋|< 1&恐/2，則將歸一化特征矢量免的特征矢量收斂值夂取 為兌，結束循環，否則，將.m"(戈)賦值給步驟(5al)中的歸一化特征矢量貧,繼續執行步驟 (5al)，其中，$表示在這K個滿足目標經驗尺寸條件的像素點中，第i個像素點的歸一化的 特征矢量，K表示步驟(3c)中篩選出來滿足目標經驗尺寸的像素點的總數目，mh〇表示均值 漂移矢量，I I I I表示求向量范數運算；
[0075] (5b)對篩選出的K個像素點進行步驟(5a)中的meanshift迭代運算，得到K個特征 矢量收斂值弋=(足，兌，化，= …,[，其中，足，允，R，分別表示歸一化 特征矢量兒經過meanshift迭代運算后四個元素％爲，埤，-^對應的收斂值。
[0076]步驟6，對K個像素點進行模態合并。
[0077] (6a)在K個滿足目標經驗尺寸條件的像素點中，判斷第s個像素點的特征矢量收斂 值與第i個像素點的特征矢量收斂值是否滿足下式：
[0079] 若滿足，則將第s個像素點與第i個像素點聚為一類;若不滿足，則不聚為一類，其 中1111，1]12，1]13，1114分別表不四個調節系數，且1]11>0，1112>0，1113>0，1114>0，為，爲.，'%， ：^分別 表示第i個像素點的特征矢量收斂值另，化，中的四個元素，筆，見， 分別表示第s個像素點的特征矢量收斂值兌，中的四個元素 ，S = 1，2,3'"K， i = l，2,3"_K，i乒s，K表示步驟(3c)中篩選出來滿足目標經驗尺寸的像素點總數目，| | | 表示向量范數運算，分別表示高斯核函數的徑向速度信息實部帶寬和徑向速度信息 虛部帶寬，分別表示高斯核函數的方位向帶寬和距離向帶寬；
[0080] (6b)對K個像素點中任意兩個像素點進行步驟(6a)的聚類，最終得到H個像素類。 [0081 ]步驟7，對H個像素類進行類間合并。
[0082] (7a)假設H個像素類中第p類包含D個像素點，求取D個像素點的特征矢量均值 匕=(心心~和方差％2=('2, '2, C^2, 把匕和％2作為第p個像素 類的特征矢量均值和方差，并求取其他H-1個像素類的特征矢量均值和方差，其中， ?VW，胃;> 分別表示D個特征矢量(Xi，yi，vri，vmi)T i = 1，2，…D中四個元素各自的均值， °^2, 巧./分別表示〇個特征矢量(^^^~猶"中四個元素各自的方差；
[0083] (7b)判斷H個像素類中第q類與第p類的特征矢量均值和方差是否滿足下式：
[0084] ||5-+ ;
[0085] 如果滿足，則將第p類包含的像素點和第q類包含的像素點合并為同一類，記作新 像素類〇M，并在H個像素類中剔除第p類和第q類，添加新像素類0 M;否則，不合并，其中p = 1，2,3"_11，9 = 1，2,3"_114^^，||||表示向量范數運算，||表示向量求模值運算；
[0086] (7c)對H個像素類中任意兩個像素類進行步驟(7b)的類間合并，得到Q個目標像素 群。
[0087] 步驟8，將Q個目標像素群分別輸出，即得到各潛在目標。
[0088] 本發明的效果可以通過以下仿真實驗進一步說明：
[0089] 1 ?仿真條件
[0090]實驗基于一發多收三通道SAR成像系統，模擬遠程低擦地角情況下的高分辨場景 成像，以通道1為參考通道，通道的間隔為lm，載頻為10GHz，脈沖重復頻率為400Hz，雷達平 臺速度為200m/s，下視角為76°，仿真場景到雷達平臺的最小斜距為20810m，場景動目標在 方位向和距離向上的分辨率都為lm，二維脈壓前的輸入信噪比SNR為-5dB，輸入雜噪比CNR 為-5dB，在仿真場景中仿真了四個慢速動目標，仿真目標全是矩形目標，但是各個目標的尺 寸和目標相對于雷達平臺的偏向角不同，如表1所示：
[0091]表1
[0093] 2.仿真內容與結果
[0094]仿真1，對雷達三通道SAR圖像數據進行自適應DPCA處理，給定單元平均恒虛警率 CA-CFAR檢測門限為7dB，對自適應DPCA處理后的結果進行單元平均恒虛警率CA-CFAR檢測， 檢測后的結果如圖2。
[0095]經過統計，圖2中共有3294個像素點，雖然從圖2可以看出四個仿真目標的大致形 狀，但是目標周圍存在很多噪點和強雜波點，影響目標的識別與檢測；實驗結果說明，對于 低擦地角高分辨場景中的動目標，如果僅僅利用幅度信息進行檢測，不能有效分離目標像 素和非目標像素，也不能有效得到目標的尺寸，因此需要對單元平均恒虛警率CA-CFAR檢測 的結果做進一步處理。
[0096 ] 仿真2，在單元平均恒虛警率CA-CFAR檢測結果的基礎上，分別使用kmean S均值算 法和本發明的方法進行聚類對比，統計兩種聚類方法的分類結果，并分別輸出四個仿真目 標對應的像素群；
[0097] 用kmeans算法聚類后，對4個仿真目標的輸出結果如圖3，
[0098] 用本發明的方法聚類后，對4個仿真目標的輸出結果如圖4。
[0099]從圖3可見，用kmeans均值算法聚類后，四個仿真目標所屬類別分別為：83和29、 32、42、62，目標1被分成83和29兩個類，出現像素群斷裂現象，而且目標周圍的噪點也被聚 為目標像素群，嚴重影響了目標的尺寸信息；
[0100]從圖4可見，使用本發明的方法聚類后，四個仿真目標像素群所屬類別分別為： 612、223、345、222，避免了目標1像素群斷裂的問題，而且目標周圍的噪點極少被歸類為目 標像素群。
[0101]統計聚類結果得到：使用kmeans均值算法聚類后，將圖2中的3294個像素點分為 100類，而用本發明的方法聚類后，將圖2中的3294個像素點分為1429類。
[0102] 使用本發明聚類后的類數遠遠超過使用kmeans均值算法聚類后的類數，因為本發 明的方法可以將位置相近但是不具備徑向速度一致性的像素點分離開，而kmeans均值算法 只利用像素點的空間信息，不能區分開位置相近但徑向速度不一致的像素點；
[0103] 實驗結果說明，本發明的方法可以將位置相近但徑向速度不一致的像素點區分 開，降低目標周圍得噪點對目標聚類的影響，而且避免了目標像素群斷裂的問題，使得目標 聚類更為準確，從而降低擴展運動目標檢測的虛警率。
[0104] 綜上，對于完成單元平均恒虛警率CA-CFAR檢測后的散點圖進行聚類，針對目前方 法聚類精度不高的問題，本法明利用潛在目標的幅度信息、空間信息與徑向速度一致性信 息進行聚類，大大提高了對地面擴展運動目標的聚類精度，從而降低了地面動目標檢測的 虛警率。
【主權項】
1. 一種基于幅度與徑向速度聯合的SAR圖像動目標聚類方法，包括： (1) 利用SAR圖像數據中每個像素點的幅度信息，對雜波抑制后的SAR圖像數據進行幅 度恒虛警率CFAR檢測，并將過檢測口限的像素點用1表示，不過檢測口限的像素點用O表示， 得到一幅與SAR圖像各個像素點位置一一對應的0、1二值圖像； (2) 估計SAR圖像中過CFAR檢測口限的像素點徑向速度，并對過CFAR檢測口限的像素點 徑向速度進行取指數變換，得到新速度矢量(vr 1，vmi); (3) 根據SAR圖像分辨率，計算過CFAR檢測口限的像素點在步驟（I)中二值圖像上的位 置信息（xi，yi)，并用新速度矢量(vri，vmi)和該位置信息（xi，yi)共同張成一組特征矢量Vi =(Xi，yi，vri，vmi)，每個過CFAR檢測口限的像素點分別對應一個特征矢量，其中i = 1，2， 3--N，N表示過CFAR檢測口限的像素點個數； (4) 對N個特征矢量進行篩選，并計算特征矢量收斂值； (4a)根據目標經驗尺寸，在N個特征矢量Vi中篩選出滿足目標要求的K個特征矢量，K《 N; (4b)對K個特征矢量運用均值漂移meanshift算法進行目標徑向速度一致性檢測，得到 K個特征矢量收斂值，K個特征矢量收斂值各自與K個像素點對應； (5) 對K個像素點實現模態合并與類間合并； 巧3)對1(個像素點求干設相位均方誤差^^，并對<取指數變為：其中，exp()表示指數運算，表示設的實部，蠟表示e邱(./〇引的虛部，j表示復 數虛部標示符，有j2 = -l成立； 巧b)根據cC，^：：定義<4片,1為：其中，Cl, C康示兩個可調系數，有C1>0，C2>0,磚，巧己分別表示高斯核函數的徑向速度 信息實部帶寬和徑向速度信息虛部帶寬； (5c)定義高斯核函數在方位向、距離向的帶寬分別為口 >3,根據先驗信息估計待檢測 目標的尺寸并求取待檢測目標在SAR圖像中所占據的像素個數，將分別設置為待檢 測目標在方位向、距離向所占據的像素個數； (5d)把記。；口；：，相作為模態合并口限，在K個像素點中，對任意兩個像素點的特征矢 量收斂值進行相似性判斷，并將過模態合并口限的兩個像素點合并為一類，得到H個像素 類，記作 Ci,C2'''Ch; (5e)對H個像素類進行類間合并，得到合并后的Q個目標像素群并分別輸出，即得到各 個潛在目標，其中Q《H。2. 根據權利要求1所述的方法，其中步驟(2)中估計SAR圖像中過CFAR檢測口限的像素 點徑向速度VI，通過下式進行：其中，W= &>、(VV)表示線性約束最小均方誤差準則下的最優權矢量，Vr表示進行捜索 的徑向速度，as(Vr)表示由陣列結構和待捜索徑向速度Vr確定的空域導向矢量，（廠1表示矩 陣求逆，Ren表示雜波加噪聲協方差矩陣，Vr max表示雷達工作的最大不模糊速度，Xs,1表示過 CFAR檢測口限的第i個像素點對應的多通道數據，WH表示矩陣W的共輛轉置矩陣， argimx.WgX"表示滿足條件的徑向速度Vr，i = l，2，???N，N表示過CFAR檢測口 限的像素數。3. 根據權利要求1所述的方法，其中步驟(2)中把過CFAR檢測口限的像素點徑向速度Vi 經過取指數變換得到新速度矢量(vri，vmi)，通過下式進行：其中，vri，vmi分別表示實部和虛部，A表示雷達工作波長，j表示復數虛部標志符，有j2=-1成立，V表示雷達平臺的運動速度，d表示相鄰通道間基線的長度，exp表示We為底的指 數運算，i = 1，2，一N，N表示過CFAR檢測口限的像素數。4. 根據權利要求1所述的方法，其中步驟(4a)中根據目標經驗尺寸，在N個特征矢量Vi中 篩選出滿足目標要求的K個特征矢量，按照如下步驟進行： (4a 1 )對特征矢量Vi = ( X i，y i，Vr i，vmi)進行歸一化，得到歸一化特征矢量 V;二(A% 聽.i;"〇，/二I，2,…，;V，其中，是和裏分別表示第i個像素點方位向歸一化后 坐標和距離向歸一化后坐標，^：，心^,分別表示第1個像素點的徑向速度信息實部和虛部歸 一化后值； (4a2)根據待檢測目標的先驗信息，確定待檢測目標的像素點范圍：其中，ax和巧分別表示自稱々怔問K了卿化尚問K了化歸一化后的值；(4曰3)在N個歸一化特征矢量=侶，夾，啼，械?,)，?' = 1，2>-，，^中，選取滿足條件 確定方位向所占像素點心曰心? 確定距離向所占像素點J歸一化特征矢量，得到K個滿足條件的歸一化特征矢5. 根據權利要求1所述的方法，其中驟（4b)中對K個歸一化特征矢量運用均值漂移 meansMft算法進行目標徑向速度一致性檢測，得到K個特征矢量收斂值，按照如下步驟進 行： .7' (4bl)歸一化特征矢量^的均值漂移矢量》?" 為： 其中，馬=成巧[磚〇;，CT二，的]，diag表示對角陣，(67:,(7; cr；t，〇i分別表示高斯核 函數的方位向帶寬、距離向帶寬、徑向速度信息實部帶寬和徑向速度信息虛部帶寬，表示 第j個滿足條件的歸一化特征矢量，t表示第n個滿足條件的歸一化特征矢量，j = 1，2，3，… K，n=l，2,3…KJ聲n，K表示滿足目標經驗尺寸條件的歸一化特征矢量數，M表示矩陣行列 式，I M I2表示向量范數運算； (4b2)給定收斂闊值化resh，對歸一化特征矢量X作Meanshift迭代： (4b2a)根據步驟(4bl)計算特征矢量驚的均值漂移矢量聽 (4b2b)如果從，則將歸一化特征矢量^的特征矢量收斂值取為 義，結束循環，否則，將聲巧)的值賦給步驟(4b2a)中的特征矢量f,，繼續執行步驟(4b2a); (4b3)對K個歸一化特征矢量V, =(A% .V',，1氣.i;"!,.)進行步驟(4b2)中的meanshift迭 代運算，得到K個特征矢量收斂值禾,=巧，托，村;，加,)，/'二I.2，...，及，其中， 韋，A，材;.，材H,.分別表示歸一化特征矢量t中四個元素韋.，式，切;.，切W,.對應的收斂值。6. 根據權利要求1所述的方法，其中步驟（5a)中計算K個像素點求干設相位均方誤差 口,;.按照下式進行：其中，卿表示目標的真實干設相位，夢表示目標受擾動后的實際干設相位，丫表示K個像 素點對應的兩通道SAR圖像復相干系數，E表示求期望，LiO表示對數積分函數，arcsinO表 示反正弦運算，I I表示復數求模運算。7. 根據權利要求1所述的方法，其中步驟(5d)中對K個像素點進行模態合并，按如下步 驟進行： (5dl)判斷第S個像素點的特征矢量收斂值與第i個像素點的特征矢量收斂值是否滿足 下式：若滿足，則將第S個像素點與第i個像素點聚為一類;若不滿足，則不聚為一類，其中mi, 1112，郵，1]14分別表示四個調節系數，且1]11>0，1112>0，郵>0，1]14>0，（.?,.，子,，1、，細,.）1表示第1 個像素點的特征矢量收斂值，(.?，.，把，表示第S個像素點的特征矢量收斂值，S =1,2,3'''K，i = 1,2,3…K，i聲S ,K表示滿足目標經驗尺寸的歸一化特征向量數，I I I I表示 向量范數運算，口分別表示高斯核函數的徑向速度信息實部帶寬、徑向速度信息虛部 帶寬，口、\口；';分別表示高斯核函數的方位向帶寬、距離向帶寬； (5d2)對K個像素點中任意兩個像素點進行步驟巧dl)的聚類，得到H個像素類。8.根據權利要求1所述的方法，其中步驟(5e)中對H個像素類進行類間合并，按照如下 步驟進行： (5el)假設H個像素類中第P類包含D個像素點，求取D個像素點對應的D個特征矢量的均 值巧二巧，馬，馬，癡V)和方差把^",和巧。。作為第?個像 素類的特征矢量均值和方差，并求取其他H-I個像素類對應的特征矢量均值和方差，其中， 氣>巧，巧,河Zp分別表示D個特征矢量（Xi，y i，vr i，vmi)中四個元素各自的均值， 巧,./，口,",p2分別表示D個特征矢量(Xi，yi，vn，vmi)中四個元素各自的方差，i = 1， (5e2)判斷H個像素類中第q類與第P類的特征矢量均值和方差是否滿足下式：如果滿足，則將第P類包含的像素點和第q類包含的像素點合并為同一類，記作新像素 類Opq,并在H個像素類中剔除第P類和第q類，添加新像素類Opq;否則，不合并，其中P=I，2， 3..化9 = 1，2,3..化口聲9，|表示向量范數運算，||表示向量求模值運算； (5e3)對H個像素類中任意兩個像素類進行步驟（5e2)的類間合并，得到Q個目標像素 群。
【文檔編號】G06K9/62GK105913074SQ201610206346
【公開日】2016年8月31日
【申請日】2016年4月5日
【發明人】楊志偉, 田敏, 金術玲, 許華健, 廖桂生
【申請人】西安電子科技大學